張久鵬　張偉

摘 要：為了解決HE算法經(jīng)直方圖均衡處理后可能出現(xiàn)的噪聲放大，CLAHE算法效率降低而且極其耗時(shí)這一問題，提出一種基于反轉(zhuǎn)的限制對(duì)比度自適應(yīng)直方圖均衡圖像去霧改進(jìn)算法。霧天圖像具有整體偏白色的這一特征，其反轉(zhuǎn)后與低照度圖像的特征相類似，對(duì)反轉(zhuǎn)后的圖像進(jìn)行改進(jìn)后的限制對(duì)比度自適應(yīng)直方圖均衡亮度增強(qiáng)，再進(jìn)行反轉(zhuǎn)得到無霧圖像。該改進(jìn)算法不僅解決了噪聲放大問題且快速有效。

關(guān)鍵詞：噪聲放大；反轉(zhuǎn)；限制對(duì)比度直方圖均衡；圖像去霧

中圖分類號(hào)：TP29 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2015）02-00-03

0 引 言

戶外環(huán)境圖像的清晰度和對(duì)比度往往由于霧的存在而降低，影響了其在航空、海運(yùn)以及監(jiān)控系統(tǒng)中的應(yīng)用，因此快速有效的圖像去霧算法成為當(dāng)前研究熱點(diǎn)和難點(diǎn)。目前的圖像去霧主要是通過圖像復(fù)原和圖像增強(qiáng)兩種方式實(shí)現(xiàn)的[1]。圖像復(fù)原的方法基于大氣散射模型，利用先驗(yàn)知識(shí)求解霧天圖像的逆過程從而實(shí)現(xiàn)圖像去霧[2，3]。這類方法基于大氣散射規(guī)律建立了圖像退化模型，能夠利用先驗(yàn)知識(shí)，具有內(nèi)在的優(yōu)越性。不足的是這類方法一般需要求得場(chǎng)景深度或大氣條件信息。而現(xiàn)實(shí)條件下，獲取的降質(zhì)圖像并沒有附加任何景深與大氣條件的信息。由于已知信息量不足，因此圖像去霧恢復(fù)是個(gè)不適定的反問題。 圖像增強(qiáng)的方法主要是通過提高霧天圖像對(duì)比度的方法達(dá)到去霧的目的，該類方法以直方圖均衡化（HE）方法和Retinex算法為代表，通過改善圖像對(duì)比度以達(dá)到改善霧圖視覺效果。目前效果比較好的是直方圖均衡（HE）方法，但自適應(yīng)直方圖均衡（AHE）和局部直方圖均衡（LHE）經(jīng)直方圖均衡處理后可能出現(xiàn)的噪聲放大問題，且自適應(yīng)直方圖均衡和傳統(tǒng)的限制對(duì)比度自適應(yīng)直方圖均衡（CLAHE）的運(yùn)算過程中，都會(huì)對(duì)圖像中每一個(gè)像素進(jìn)行操作，計(jì)算其鄰域的直方圖和相應(yīng)的直方圖變換函數(shù)，這樣將會(huì)導(dǎo)致此算法效率降低而且及其耗時(shí)，阻礙算法的應(yīng)用。

基于此，提出基于反轉(zhuǎn)的改進(jìn)后的限制對(duì)比度自適應(yīng)直方圖均衡去霧算法，且對(duì)于濃霧區(qū)域反轉(zhuǎn)后圖像過暗，原有CLAHE算法增強(qiáng)效果不佳這一問題，也提出相應(yīng)的改進(jìn)算法。

1 基于反轉(zhuǎn)的限制對(duì)比度自適應(yīng)直方圖均衡圖像去霧改進(jìn)算法

1.1 改進(jìn)后的限制對(duì)比度自適應(yīng)直方圖均衡算法

限制對(duì)比度自適應(yīng)直方圖均衡與普通的自適應(yīng)直方圖均衡的不同之處在于其對(duì)直方圖的對(duì)比度進(jìn)行限幅[5]。同樣這種方式也可以應(yīng)用于直方圖均衡從而構(gòu)成限制對(duì)比度直方圖均衡算法，不過該算法在實(shí)際中很少應(yīng)用。在限制對(duì)比度自適應(yīng)直方圖均衡算法中，對(duì)每一個(gè)鄰域小區(qū)域的對(duì)比度都進(jìn)行限幅操作。該算法有效地解決了經(jīng)自適應(yīng)直方圖均衡處理后圖像噪聲被放大的問題。

解決這個(gè)問題主要是通過限制自適應(yīng)直方圖均衡算法的對(duì)比度增強(qiáng)實(shí)現(xiàn)的。指定像素鄰域直方圖的變換函數(shù)的斜度決定著對(duì)比度是否放大，因此我們可以知道該斜度與該領(lǐng)域的累積直方圖的斜度成比例[6]。為了限制放大幅度，我們?cè)谟?jì)算CDF前預(yù)先定義一個(gè)閾值，限制對(duì)比度自適應(yīng)直方圖均衡就用這個(gè)閾值來裁剪直方圖。那么此過程就限制了CDF和變換函數(shù)的斜度。直方圖的分布和領(lǐng)域大小的取值就決定了直方圖被裁剪的值（裁剪限幅值）。

如圖1所示，圖中藍(lán)色區(qū)域表示超出了裁剪限幅值，如果直接忽略掉這部分是不好的。所以我們可以對(duì)這些部分進(jìn)行進(jìn)一步處理，將他們均勻分布與直方圖每個(gè)部分。

圖1 限制對(duì)比度自適應(yīng)直方圖均衡化直方圖變換示意圖

如圖1所示，經(jīng)過這種再分配的過程可能會(huì)導(dǎo)致直方圖中另一部分再次超過了裁剪值（如圖1中右邊直方圖中的綠色部分所示）。為解決該問題，我們可以遞歸地重復(fù)再分配過程直到多余的部分可以忽略不計(jì)。

上述的自適應(yīng)直方圖均衡和限制對(duì)比度自適應(yīng)直方圖均衡的運(yùn)算過程中，都會(huì)對(duì)圖像中每一個(gè)像素進(jìn)行操作，計(jì)算其鄰域的直方圖和相應(yīng)的直方圖變換函數(shù)，這樣將會(huì)導(dǎo)致此算法效率降低而且極其耗時(shí)，阻礙算法的應(yīng)用[7]。

引入插值操作，這樣會(huì)使得上述算法在增強(qiáng)圖像質(zhì)量的前提下使其效率得到極大的提升。首先我們需要先將原圖像均勻分成同等大小的矩形塊，如圖2的右側(cè)部分所示（圖像分為8行8列，總共64個(gè)塊）。然后分別計(jì)算各個(gè)塊的直方圖分布、累計(jì)概率分布函數(shù)和相應(yīng)的變換函數(shù)。此變換函數(shù)對(duì)于每個(gè)塊的中心像素（圖2左側(cè)部分中的黑色小方塊）是完全符合上文的原始定義。其它像素則可以通過與其鄰近的四個(gè)塊的變換函數(shù)插值獲取，而不用對(duì)每一像素都進(jìn)行鄰域直方圖均衡化操作。我們通過雙線性插值的方法求解圖2中藍(lán)色區(qū)域的像素，而通過線性插值的方法計(jì)算綠色區(qū)域的像素，位于紅色陰影部分的像素則需要直接使用所在鄰域的變換函數(shù)求得。這樣只是增加了一些雙線性插值的計(jì)算量從而極大減少了計(jì)算變換函數(shù)的次數(shù)，提升了算法的效率。

圖2 插值運(yùn)算示意圖

限制對(duì)比度自適應(yīng)直方圖均衡算法針對(duì)亮度不均圖像增強(qiáng)效果良好，但是當(dāng)圖像整體亮度偏低時(shí)，該算法處理效果不佳，針對(duì)不足之處，本文做出相應(yīng)改進(jìn)。

傳統(tǒng)的限制對(duì)比度自適應(yīng)直方圖均衡化應(yīng)用于彩色圖像增強(qiáng)時(shí)通常會(huì)先將原彩色圖像轉(zhuǎn)換到另一顏色空間[8]，例如由RGB空間轉(zhuǎn)換到HSV或HSL等顏色空間，然后對(duì)其亮度值進(jìn)行均衡化，最后再轉(zhuǎn)換至RGB顏色空間。本文將限制對(duì)比度自適應(yīng)直方圖均衡化處理直接應(yīng)用于3-D彩色空間[3]，即將RGB三通道的像素統(tǒng)計(jì)于一個(gè)直方圖中，再對(duì)該直方圖進(jìn)行均衡化處理。該方法相對(duì)于上述只對(duì)亮度通道或分別對(duì)RGB三通道進(jìn)行均衡化處理的算法效果更好。如圖3所示。

但如果我們采用該算法對(duì)某些整體亮度特別低的圖像進(jìn)行處理，圖像亮度增強(qiáng)的效果會(huì)不佳。針對(duì)這一情況，本文做出了相應(yīng)的改進(jìn)措施。

改進(jìn)算法具體步驟如下：

先對(duì)低亮度彩色圖像進(jìn)行限制對(duì)比度自適應(yīng)直方圖均衡化處理。

經(jīng)過CLAHE處理之后的彩色圖像由RGB空間轉(zhuǎn)換到HSI空間。

對(duì)亮度直方圖進(jìn)行變換：首先確定兩個(gè)參數(shù)（LowCut和HighCut，可以取值0.4%）。

從該直方圖的0向上開始累加，當(dāng)累加值大于LowCut*像素總數(shù)時(shí)，記此亮度值為MinLight。然后從直方圖的255向下開始累加，當(dāng)累加值大于HighCut*像素總數(shù)時(shí)，記此亮度值為HighLight。之后開始隱射，當(dāng)亮度值小于MinLight時(shí)隱射為0，大于HighLight時(shí)，則隱射為255，對(duì)于介于MinLight和HighLight之間的值，則進(jìn)行線性隱射。最后轉(zhuǎn)化至RGB空間。

（a）原圖 （b）三通道分別處理 （c）三通道合并處理

圖3 亮度增強(qiáng)對(duì)比圖

1.2 圖像反轉(zhuǎn)理論

霧天圖像一般都具有整體偏白色的特征，如圖4（a）所示。將霧天圖像反轉(zhuǎn)后的結(jié)果圖中背景區(qū)域的亮度值較低，符合低照度圖像的特點(diǎn)。本文通過先對(duì)霧天圖像反轉(zhuǎn)在進(jìn)行限制對(duì)比度自適應(yīng)直方圖均衡算法的亮度增強(qiáng)，然后將其再次反轉(zhuǎn)的方法得到無霧圖像。

霧天圖像按式（1）進(jìn)行反轉(zhuǎn)。

Rc（x）=255-Ic（x） （1）

其中，c為圖像RGB顏色通道之一，Ic（x）為霧天圖像某一像素點(diǎn)x在c顏色通道的像素值，Rc（x）為反轉(zhuǎn)后圖像某一像素點(diǎn)x在c顏色通道的像素值。反轉(zhuǎn)后的圖像如圖1（b）所示，反轉(zhuǎn)圖像與低照度圖像特征相類似，且亮度均較低，如圖4（b）與（c）所示。

（a） 霧天圖像

（b） 霧天圖像反轉(zhuǎn)結(jié)果圖

（c） 低照度圖像

圖4 霧天圖像反轉(zhuǎn)與低照度圖像對(duì)比圖

本文采用改進(jìn)限制對(duì)比度自適應(yīng)直方圖均衡化算法對(duì)反轉(zhuǎn)圖像R進(jìn)行亮度增強(qiáng)處理，得到圖R'。然后對(duì)R'進(jìn)行反轉(zhuǎn)操作得到我們所要求的無霧圖像Jc（x），如圖5所示。

Jc（x）=255-R'c（x） （2）

（a）原圖 （b）霧天圖像反轉(zhuǎn)結(jié)果圖R

（c）反轉(zhuǎn)圖像亮度增強(qiáng)結(jié)果圖R' （d）去霧增強(qiáng)效果圖J

圖5 基于圖像反轉(zhuǎn)的去霧增強(qiáng)過程圖

2 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證本算法的快速有效性，將在本節(jié)展示本算法的去霧效果及其耗時(shí)。本算法在Window 8系統(tǒng)、處理器主頻為2.55 GHz、系統(tǒng)內(nèi)存為4 GB的PC機(jī)上以VS2010為平臺(tái)實(shí)現(xiàn)。

（a）原圖

（b）基于反轉(zhuǎn)去霧效果圖

（c）基于暗原色先驗(yàn)去霧效果圖

圖6 去霧效果圖

由圖6可以看出本算法與HE[9-11]算法都取得了很好的去霧效果。但由于HE算法中的暗原色先驗(yàn)理論不適用于天空等明亮區(qū)域，該算法對(duì)明亮區(qū)域去霧的會(huì)出現(xiàn)失真現(xiàn)象。表1、表2、表3給出了本算法與HE算法幾種圖像客觀評(píng)價(jià)參數(shù)值。

表1 圖像-港口去霧增強(qiáng)結(jié)果圖客觀質(zhì)量評(píng)價(jià)

亮度 對(duì)比度 清晰度 信息熵

原圖 110.76 2.514 7.170 6.945

HE算法去霧效果 53.75 5.50 13.61 7.05

本算法去霧效果圖 117.25 8.02 20.40 7.56

由表1、表2、表3可以看出經(jīng)本算法去霧后的圖像在亮度、對(duì)比度、清晰度、信息熵較原圖像等客觀質(zhì)量評(píng)價(jià)均有較大提升，且本算法絕大部分客觀質(zhì)量評(píng)價(jià)優(yōu)于He算法客觀質(zhì)量評(píng)價(jià)（部分霧天圖片由于受霧的干擾亮度值可能大于去霧后圖像的亮度）。

表2 圖像-紀(jì)念碑去霧增強(qiáng)結(jié)果圖客觀質(zhì)量評(píng)價(jià)

亮度 對(duì)比度 清晰度 信息熵

原圖 101.15 0.99 3.65 7.01

HE算法去霧效果 62.52 1.55 5.14 7.15

本算法去霧效果圖 132.19 2.54 8.92 7.71

表3 圖像-樹林去霧增強(qiáng)結(jié)果圖客觀質(zhì)量評(píng)價(jià)

亮度 對(duì)比度 清晰度 信息熵

原圖 191.23 3.38 7.76 6.16

HE算法去霧效果 115.12 13.04 26.85 7.54

本算法去霧效果圖 125.85 14.32 29.26 7.48

由表4可知本算法在效率上也非常出眾，可以將本算法應(yīng)用于智能監(jiān)控、衛(wèi)星遙感監(jiān)測(cè)等對(duì)實(shí)時(shí)性要求較高的視覺系統(tǒng)上。

表4 算法耗時(shí)

圖像 400×600 600×600 1024×768

耗時(shí)（ms） 15 31 63

3 結(jié) 語

針對(duì)直方圖均衡（HE）算法經(jīng)直方圖均衡處理后可能出現(xiàn)的噪聲放大，自適應(yīng)直方圖均衡和傳統(tǒng)的限制對(duì)比度自適應(yīng)直方圖均衡（CLAHE）算法效率降低而且極其耗時(shí)，提出了一種基于反轉(zhuǎn)的限制對(duì)比度自適應(yīng)直方圖均衡圖像去霧改進(jìn)算法，本算法先將圖像進(jìn)行反轉(zhuǎn)，將轉(zhuǎn)后的圖像用改進(jìn)后的限制對(duì)比度自適應(yīng)直方圖均衡算法進(jìn)行亮度增強(qiáng)，再進(jìn)行反轉(zhuǎn)得到無霧圖像。經(jīng)試驗(yàn)可知本算法快速有效，針對(duì)天空、巖石等明亮區(qū)域時(shí)不會(huì)出現(xiàn)失真，去霧后的圖像相較于其他算法去霧效果更加自然、真實(shí)。該算法可以應(yīng)用于智能監(jiān)控、衛(wèi)星遙感監(jiān)測(cè)等對(duì)實(shí)時(shí)性要求較高的視覺系統(tǒng)上。

參考文獻(xiàn)

[1] 張新龍，汪榮貴，張璇，等.基于視覺區(qū)域劃分的霧天圖像清晰化方法[ J ].電子測(cè)量與儀器學(xué)報(bào)，2010，24（8）：754-762 .

[2] 劉軒，劉佳賓.基于對(duì)比度受限自適應(yīng)直方圖均衡的乳腺圖像增強(qiáng)[J].計(jì)算機(jī)工程與應(yīng)用， 2008（10）：173-175.

[3] Trahanias P E， Venetsanopoulos A N. Color image enhancement through 3-D histogram equalization[C]Pattern Recognition， 1992. Vol. III. Conference C： Image， Speech and Signal Analysis， Proceedings.，11th IAPR International Conference on. IEEE，1992：545-548.

[4] He K， Sun J， Tang X. Single image haze removal using dark channel prior[J]. Pattern Analysis and Machine Intelligence， IEEE Transactions on，2011，33（12）： 2341-2353.

[5] 劉治群，楊萬挺，朱強(qiáng).幾種圖像增強(qiáng)算法的研究比較[J].合肥師范學(xué)院學(xué)報(bào)，2010，28（6）：60-63.

[6] 褚宏莉，李元祥，周則明，等.基于黑色通道的圖像快速去霧優(yōu)化算法[J]. 電子學(xué)報(bào)，2013，41（4）：372-375.

[7] Pizer S. Adaptive histogram equalization and its variations[J].Computer Vision， Graphics， and Image Processing，1987，39（3）：355-368.

[8] Zuiderveld K.Contrast. limited adaptive histogram equalization[C]Graphics gems IV. ，1994： 474-485.

[9] Trahanias P E， Venetsanopoulos A N. Color image enhancement through 3-D histogram equalization[C].Image， Speech and Signal Analysis， Proceedings.， 11th IAPR International Conference on. IEEE， 1992： 545-548.

[10] Han J H， Yang S， Lee B U. A novel 3-D color histogram equalization method with uniform 1-D gray scale histogram[J]. IEEE Transactions on， 2011，20（2）：506-512.

[11] Meng G， Wang Y， Duan J， et al. Efficient Image Dehazing with Boundary Constraintand Contextual Regularization[C]Computer Vision， International Conference on. IEEE，2013： 617-624.